Бележница

Датиране белешке из нашег истраживања и развоја.

Једна свећа гори у мрачној соби.
  1. Зашто SI, а не AI: у прилог симбиотској интелигенцијиВећина технолошких компанија основаних у овој деценији у своју презентацију ставља два слова. Ми смо у своје име ставили два друга. Шта значи симбиотска интелигенција и како одређује шта радимо и зашто то радимо баш тако?
  2. Шта је заправо интерфејс мозак–рачунар: од EEG сигнала до одлукеБез читања мисли, без магије. Јасно и тачно објашњавамо како се микроволти на кожи главе претварају у одлуку на основу које машина може да делује.
  3. Принцип X: како приступамо проблемима који изгледају немогућеX у нашем имену значи одбацивање речи „немогуће“. Не тако што занемарујемо границе, већ тако што их претварамо у питања. Ево четири корака која следимо када нешто још не ради.
  4. Зашто развијам интерфејс мозак–рачунар у ТурскојПут једног оснивача од Шанлиурфе до прве линије неуралне технологије: зашто помоћна комуникација мора да ради и на турском, шта заиста подразумева изградња компаније на тржишту у развоју и зашто је 2025. била прекретница.
  5. Регулатива и етика вештачке интелигенцијеОд Акта ЕУ о вештачкој интелигенцији до турског закона о заштити података, од тестирања пристрасности до објашњивости: где је регулатива вештачке интелигенције данас, оквир за етички развој ВИ и практичан водич за усклађивање компанија с новим правилима.
  6. Вештачка интелигенција и етика: одговорности научника за податкеНаучници за податке имају кључну улогу у свакој фази система вештачке интелигенције, од дизајна до примене. Овај текст кроз шест тема описује њихове етичке одговорности, од приватности и праведности до транспарентности и одрживости.
  7. Python за анализу података: машинско учење уз Scikit-LearnПрактичан увод у машинско учење уз Scikit-Learn: надгледано и ненадгледано учење, подешавање хиперпараметара, унакрсна валидација, избор обележја, тумачење модела, ансамбли, метрике, pipeline и студија случаја на скупу података Iris.
  8. Python за анализу података: Matplotlib и визуелизација податакаMatplotlib је једна од најчешће коришћених Python библиотека за графиконе. Овај водич обрађује линијске, стубичасте и расуте графиконе, хистограме и кружне графиконе, затим прилагођавање, подграфиконе, логаритамске и 3Д графиконе, уз код за сваки пример.
  9. Анализа података уз Pandas: обрада и визуелизација податакаPandas је једна од најкориснијих Python библиотека за свакога ко ради с подацима. Овај водич пролази кроз DataFrame и Series, учитавање, чишћење, сажимање, груписање, графиконе, временске серије и спајање, а затим све то примењује на синтетичком скупу података.
  10. У светлу ренесансе и мудрости тибетанских монахаЛична белешка о учешћу у серији Dejavus платформе NUWA NFTs: пет речи (иницијација, време, духовно, ум, ток) претворено је у дело AI уметнице Чагле Озтурк и музику Е. Бугре Балџија.
  11. Шта је неуравнотежен скуп података и како се носити с њим?Ваш модел пријављује тачност од 99,9 %, а ипак пропушта преваре. На скупу података о преварама с кредитним картицама показујемо зашто неуравнотежени подаци заваравају, које метрике треба пратити и како их уравнотежити оверсемплингом, SMOTE-ом и андерсемплингом.

RSS фид